数据挖掘技术在财务分析中的研究与应用

数据挖掘技术在财务分析中的研究与应用企业的各类利益相关者需要利用企业提供的财务报表,结合其他资料,对企业财务状况和经营成果进行分析。

但是传统的财务分析方法具有片面性、滞后性、和易受会计政策选择的影响等局限性。

而随着经济和技术的发展,一种基于数据仓库和商业智能的,能够发掘出隐含的、有用的信息和知识,帮助决策者寻找数据间潜在的关联,发现被忽略的因素的数据挖掘技术正被逐渐广泛应用到各个领域,包括财务领域。

数据挖掘技术相对于传统财务分析方法,能够深入地了解海量财务数据潜在的、深层次的信息,辅助公司财务分析人员、公司的投资者和决策者深入认识公司的财务状况,进行相关问题的正确决策。

本文从数据挖掘技术和数据挖掘流程入手,结合财务分析的方法,将数据挖掘技术用于财务预警分析,展现数据挖掘技术在财务分析中的应用。

文章使用的是SPSS Clementine 12.0构建“财务预警智能系统”。

作为一个数据挖掘平台,Clementine提供了一个功能强大而且简单易用的数据挖掘平台。

整个数据挖掘过程要做的,是将数据导入Clementine,建立数据流节点,并将其连接起来,然后执行并输出结果,就完成了数据挖掘的过程,还可以利用挖掘的结果进行进一步的分析。

在数据挖掘方案设计方面,文章主要描述了财务预警数据挖掘系统的形成和方案。

首先说明了数据挖掘在财务分析领域的主要应用,选取财务预警分析作为本文的研究重点。

接下来描述财务预警的传统分析方法,说明了财务预警传统分析方法的局限性。

针对这些局限性,设计了由Logistic回归分析方法、关联规则、决策树和神经网络组成的联合数据挖掘系统。

结合数据挖掘的基本流程和核心规则CRISP-DM,设计了财务预警数据挖掘
的方案。

基于Clementine将数据挖掘技术应用于财务预警分析,建立由Logistic 回归分析方法、关联规则、决策树和神经网络组成的联合数据挖掘系统,展示从数据预处理、数据挖掘、挖掘效果评价等一系列的数据挖掘过程,并对财务预警数据挖掘的结果进行分析。

最后说明本文的研究成果及局限性。